Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria - Época Normal - 07/01/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel é motivo suficiente para anulação da prova. As perguntas de escolha múltipla valem 1 valor; respostas erradas são penalizadas em 0.25. Pode usar a última página para continuar qualquer questão. Formalize devidamente todas as respostas. Espaço reservado para classificações 1. [2] Um analista financeiro pretende estudar a relação entre o valor de mercado e o valor contabilístico das empresas. Para o efeito recolheu aleatoriamente uma amostra de empresas a operar em Portugal e registou a seguinte informação: valor de mercado, valor contabilístico e se a empresa está cotada em bolsa. Explicite um modelo teórico que permita simultaneamente: - obter a elasticidade do valor de mercado relativamente ao valor contabilístico através de um coeficiente; - testar se a elasticidade do valor de mercado relativamente ao valor contabilístico é idêntica para empresas cotadas e não cotadas em bolsa. Defina explicitamente todas as variáveis que incluir no modelo. 1
2. Considere o seguinte modelo estimado peixe = 6.34 + 0.14lit + 1.31rend, onde peixe é a quantidade consumida de peixe por um indivíduo, lit é uma variável binária que assume o valor 1 se o indivíduo reside numa zona litoral (0 se reside no interior) e rend é o rendimento do indivíduo. Qual das seguintes afirmações é verdadeira? Nada se pode aferir sobre o coeficiente estimado da variável int no modelo peixe = β 0 + β 1 int + β 2 rend + u, onde int é uma variável binária que assume o valor 1 se o indivíduo reside numa zona interior (0 se reside no litoral). Para testar a igualdade de regressões entre litoral e interior pode utilizar-se o seguinte modelo peixe = β 0 + β 1 int + β 2 rend + β 3 rend int + u, onde int é uma variável binária que assume o valor 1 se o indivíduo reside numa zona interior (0 se reside no litoral). Como o modelo inclui uma variável binária foi utilizado o estimador da máxima verosimilhança em vez do estimador dos mínimos quadrados. Nenhuma das afirmações anteriores é verdadeira. 3. Uma Câmara Municipal do norte do país pretende analisar quais os factores que determinam a decisão de votar dos seus eleitores. Para o efeito, recolheu uma amostra de 30 munícipes com idade legal para votar e estimou os modelos seguintes. MODELO 1 Dependent Variable: VOTOU Method: ML - Binary Probit Variable Coefficient Std. Error z-statistic Prob. C -5.185204 1.696596-3.056239 0.0022 REND 0.071281 0.033999 2.096530 0.0360 IDADE 0.073116 0.033571 2.177965 0.0294 HOMEM -0.697416 0.897759-0.776840 0.4373 2
MODELO 2 Dependent Variable: VOTOU Method: ML - Binary Logit Variable Coefficient Std. Error z-statistic Prob. C -8.964652 3.232411-2.773364 0.0055 REND 0.122033 0.061625 1.980239 0.0477 IDADE 0.127922 0.063107 2.027047 0.0427 HOMEM -1.028054 1.542282-0.666580 0.5050 onde as variáveis têm o seguinte significado: votou variável binária que assume o valor 1 se o munícipe exerceu o seu direito de voto nas últimas eleições municipais; rend rendimento médio do agregado familiar do munícipe em milhares de euros; idade idade do munícipe em anos; homem variável binária que assume o valor 1 se o munícipe é homem. a) [1.5] Após a estimação do modelo 1 foram escritas as seguintes instruções em EViews: series c1=@cnorm(c(1)+c(2)*rend+c(3)*idade+c(4)) series c2=@cnorm(c(1)+c(2)*rend+c(3)*idade) scalar c=@mean(c1-c2) Indique as expressões algébricas de c1, c2 e c. 3
b) [1.5] Comente a seguinte afirmação: Como o coeficiente estimado da variável idade é maior no modelo 2 o efeito parcial desta variável na probabilidade estimada de exercer o direito de voto é maior no modelo 2 do que no modelo 1 para os mesmos valores das restantes variáveis. 4. No contexto do modelo linear de probabilidade indique a afirmação FALSA. A variação unitária de uma variável contínua tem sempre o mesmo efeito parcial. O estimador dos mínimos quadrados não é BLUE devido à presença de autocorrelação nos erros. O estimador dos mínimos quadrados é consistente apesar da presença de heterocedasticidade nos erros. Caso se pretenda incluir informação qualitativa com g categorias devem-se incluir g-1 variáveis binárias no modelo caso este inclua um termo independente. 5. Admita que se pretende analisar o comportamento do crédito concedido ao setor privado não financeiro (cred). Utilizando observações trimestrais entre 1995 e 2014, estimou-se o seguinte modelo: log(cred t ) = 6.051 + 0.004t + 0.06 log(pibt ) 0.415 log(pib t 1 ) + 2.093 log(pib t 2 ) + 0.069euro t onde t representa a tendência, pib é o produto interno bruto e euro é uma variável binária que assume o valor 1 após a entrada do país na área do euro. a) [2] Interprete o coeficiente estimado da tendência e da variável euro. 4
b) [1.5] Calcule e interprete a estimativa da elasticidade de longo prazo do crédito concedido em relação ao produto interno bruto. 5
6. Seja o modelo y t = β 0 + β 1 x t + β 2 y t 1 + β 3 t + u t, t = 1,2,, n, E[u t x 1,, x n ] = 0. Os estimadores OLS dos coeficientes do modelo não são centrados porque: a regressão inclui a tendência como regressor. o regressor x t pode não ser estritamente exógeno. existe um regressor que não é estritamente exógeno. é provável que os erros sejam autocorrelacionados. 7. [1.5] Considere o modelo y t = β 0 + β 1 x t + β 2 z t + u t onde u t = ρu t 1 + ε t, ρ < 1, ρ 0 e ε t ~iid(0, σ 2 ). Reespecifique o modelo de forma a tornar válidos os métodos de inferência usuais. 8. [2] Considere o modelo y t = β 0 + β 1 x t + β 2 z t + β 3 w t + u t (1), em que se verifica E[u t x t, z t, w t ] = 0. Após a respetiva estimação, efetuaram-se as seguintes regressões em que u t são os resíduos do modelo (1): u t = α 1u t 1 + α 2u t 2 + α 3u t 3 + α 4u t 4, n = 75, R 2 =0.46 u t = θ 0 + θ 1u t 1 + θ 2u t 2 + θ 3u t 3 + θ 4u t 4 + θ 5x t + θ 6z t + θ 7w t, n = 75, R 2 =0.53. Formalize as hipóteses, efetue o teste estatístico que melhor se adequa aos dados fornecidos e retire a conclusão adequada. Justifique todas as suas escolhas. 6
9. O objetivo de aumentar a regressão de teste originalmente proposta por Dickey-Fuller com desfasamentos da variável dependente é: garantir que não existe a presença de heterocedasticidade nos erros da regressão de teste. garantir que não existe a presença de autocorrelação nos erros da regressão de teste. garantir que os erros da regressão de teste seguem uma distribuição normal. garantir que se controla a não estacionaridade das variáveis. 10. [2.0] Pretende-se analisar a presença de raiz unitária no logaritmo do crédito (LCRED) em Portugal com dados trimestrais. Para esse efeito estimaram-se as equações seguintes onde o prefixo D representa o operador Δ (DLCRED = Δ LCRED). Sabendo que o crédito tem um comportamento semelhante ao do produto interno bruto, retire a conclusão apropriada formalizando devidamente e justificando cuidadosamente todas as suas escolhas. Equação 1 Dependent Variable: DLCRED Included observations: 73 Variable Coefficient Std. Error t-statistic Prob. C 0.213328 0.080144 2.661806 0.0097 LCRED(-1) -0.016520 0.006235-2.649641 0.0100 DLCRED(-1) 0.073735 0.110958 0.664530 0.5086 DLCRED(-2) 0.102968 0.110785 0.929446 0.3560 DLCRED(-3) 0.002917 0.109144 0.026722 0.9788 DLCRED(-4) 0.336817 0.107330 3.138156 0.0025 Equação 2 Dependent Variable: DLCRED Included observations: 74 Variable Coefficient Std. Error t-statistic Prob. C 0.308958 0.076223 4.053340 0.0001 LCRED(-1) -0.023730 0.005955-3.984879 0.0002 DLCRED(-1) 0.069778 0.116841 0.597210 0.5523 DLCRED(-2) 0.139496 0.114295 1.220496 0.2264 DLCRED(-3) 0.031049 0.114088 0.272145 0.7863 7
Equação 3 Dependent Variable: DLCRED Included observations: 73 after adjustments Variable Coefficient Std. Error t-statistic Prob. C -0.039536 0.160749-0.245946 0.8065 TEND -0.000758 0.000420-1.804938 0.0756 LCRED(-1) 0.007011 0.014407 0.486644 0.6281 DLCRED(-1) -0.018870 0.120593-0.156479 0.8761 DLCRED(-2) 0.020226 0.118215 0.171096 0.8647 DLCRED(-3) -0.075836 0.115878-0.654448 0.5151 DLCRED(-4) 0.253744 0.115163 2.203354 0.0311 Equação 4 Dependent Variable: DLCRED Included observations: 74 after adjustments Variable Coefficient Std. Error t-statistic Prob. C -0.107151 0.159065-0.673632 0.5028 TEND -0.001157 0.000394-2.937210 0.0045 LCRED(-1) 0.014452 0.014175 1.019578 0.3115 DLCRED(-1) -0.073295 0.121102-0.605231 0.5470 DLCRED(-2) -0.004554 0.119030-0.038262 0.9696 DLCRED(-3) -0.102775 0.117458-0.874993 0.3847 8
11. Considere que y t e x t são processos cointegrados, então qual das seguintes afirmações é verdadeira? (i) y t e x t são ambos processos estacionários. (ii) Existe uma combinação linear dos dois processos que será estacionária. (iii) A relação de cointegração entre os dois processos descreve a relação de curto prazo. (iv) O erro da regressão de y t sobre x t é estacionária. (i) e (iii) (ii) e (iv) (ii), (iii) e (iv) todas as afirmações são verdadeiras 12. Considere os seguintes modelos estimados com informação trimestral até ao 4º trimestre de 2010, isto é, empregando 79 observações: lvendas t = 21.51 + 0.03t EQM = 546.5 lvendas t = 36.11 + 0.014t + 0.21Q1 t + 0.015Q2 t 0.048Q3 t EQM = 116.8 onde lvendas é o logaritmo das vendas de determinada empresa, t é a variável de tendência, Q1, Q2 e Q3 são dummies sazonais trimestrais e EQM é o erro quadrático médio calculado com base nos valores observados para o logaritmo das vendas entre o 1º trimestre de 2011 e o 4º trimestre de 2011. Então a melhor previsão para o logaritmo das vendas no 1º trimestre de 2011 é 23.91 37.44 37.23 Não é possível determinar porque os modelos só envolvem variáveis determinísticas. 9
Continuação da questão 10